PostgreSQLの公式コミュニティにより「Significant Contributor」に認定されたShinyaの実体験を元に、大規模OSSコミュニティへの貢献プロセスと歩みについて解説します。

本編では、psqlクライアントのタブ補完機能の開発といった初期のコントリビューション活動から現在までを振り返ります。GitHubを使わずメーリングリストやパッチで議論を進める独特の開発文化への戸惑いや、モチベーションの停滞期、そしてデータベースのサポート業務を通じてユーザーのハマりどころを実感したことが開発再起のきっかけとなった経緯を語ります。

PostgreSQLコミュニティ / Significant Contributor / メーリングリストとパッチ文化 / psqlのタブ補完開発 / サポート業務からの課題発見 / 英語での情報発信と登壇 / カンファレンスでのネットワークと推薦 / CVE（脆弱性）報告とAIの影響

参考リンク

• DuckDB Internals: Why is DuckDB Fast? (Part 2 Vectorized Execution)

前回に引き続き対面収録で、2人が最近「始めたこと」と「やめたこと」について雑談します。

ポッドキャスト1周年 / オーダーメイドインソール / 睡眠トラッキング / Claude Cowork で栄養管理 / 筋トレとパーソナルトレーニング / 耳栓で睡眠改善 / Xをみなくなった話 / vibe codingと腰痛 / ELSA / 英語学習 / ディズニー英語

Lon が Cloudflare 社の OSS プロダクト「Cloudflare OS」を紹介するエピソードです。機能紹介ブログと CIO によるブログの 2 本をもとに、エージェント用ワークスペース、セキュリティとアクセス権限管理、アプリの配布・共有という 3 つの柱を解説しています。データアクセス権限だけでなく AI が生成したアウトプットに対する権限管理まで考慮されたセキュリティ設計や、ノンテクニカルな人にも使いやすくするための工夫、V1 の課題を踏まえた V2 の設計思想についても取り上げています。

Cloudflare OS / エージェント用ワークスペース / セキュリティとアクセス権限管理 / アプリの配布と共有 / Dynamic Workers

参考リンク

• Cloudflare OS ソースコード: https://github.com/cloudflare/cloudflare-os

• Cloudflare OS 機能紹介ブログ: https://blog.cloudflare.com/cloudflare-os

• How we use AI with Cloudflare OS: https://blog.cloudflare.com/how-we-use-ai-with-cloudflare-os/

『Designing Data-Intensive Applications』第2版でも引用されたブログ記事「Embedded databases (1): The harmony of DuckDB, Kùzu and LanceDB」を元に、次世代の組み込み型データベース（Embedded DB）の動向と特徴について解説します。

本編では、分析処理（OLAP）に特化した「DuckDB」、高度な接続性を持つグラフ構造に特化した「Kùzu」、画像・音声などの生データとベクトルを同居できる「LanceDB」の3つの組み込みDBを取り上げます。それぞれの技術的特徴（ベクトル化クエリ実行、ポインタベースジョイン、DiskANNに対応した独自フォーマットなど）を整理しつつ、インメモリ列指向フォーマット「Apache Arrow」を介して同一プロセス内で変換コストなく連携する「調和（Harmony）」の仕組みを読み解きます。また、PostgreSQLの各種拡張機能（pg_duckdb、Apache AGE、pgvectorなど）との比較や、買収・フォークを含めた各OSSプロジェクトの最新動向についても議論します。

組み込みデータベース (Embedded DB) / DuckDB / Kùzu / LanceDB / OLAP と ベクトル化クエリ実行 / グラフデータベース と Cypher / マルチモーダルとDiskANN / Apache Arrowによるゼロコピー連携 / PostgreSQL拡張機能 (pg_duckdb, Apache AGE, pgvector) / OSSの商業化とエコシステム

参考リンク

• The harmony of DuckDB, Kùzu and LanceDB, The Data Quarry⁠
• ⁠DuckDB⁠
• ⁠Kùzu⁠
• ⁠LadybugDB⁠
• LanceDB⁠
• Lance⁠
• Apache Parquet⁠
• Apache Arrow⁠
• pg_duckdb⁠
• Apache AGE⁠
• pgvector⁠
• ⁠pgvectorscale⁠
• pg_diskann⁠

Anthropic に買収された JavaScript ランタイムの Bun が、Zig で書かれていた部分を Rust で書き直したブログを紹介します。Claude Code を使って 11 日間で約 50 万行のコードをリライトした事例で、Dynamic Workflows の活用方法、敵対的レビューを行うエージェント構成、ワークツリーの分割戦略など、大規模リファクタリングの具体的な進め方が詳しく解説されています。

※ エピソード内で Bun を「フレームワーク」と呼んでいる箇所がありますが、正しくは JavaScript ランタイム(およびパッケージマネージャ等を含むツールキット)です。

PostgreSQL 非推奨機能の提案結果報告 / Bun の概要 / Zig から Rust への移行理由 / Claude Code の Dynamic Workflows / 敵対的レビューエージェントの構成 / ファイル単位・crate 単位・サブコマンド単位での段階的修正 / 64 個の Claude インスタンス並列実行 / API コスト約 2600 万円 / pg_rust プロジェクト

参考リンク

• Rewriting Bun in Rust

  (公式ブログ): https://bun.com/blog/bun-in-rust

• Zig 作者によるブログ: https://andrewkelley.me/post/my-thoughts-bun-rust-rewrite.html

Google I/O 2026でのAdam Bender氏の講演「Software engineering at the tipping point」を元に、AIがソフトウェア開発のエコシステム全体に与える影響について議論します。

本編では、AIによってコード生成速度が10倍になった際に生じるシステム的な歪みについて解説します。コード量の爆発的な増加がもたらすコンパイル時間の長期化やバイナリサイズの肥大化、Gitなどバージョン管理システムの負荷増大、そして人間によるコードレビューが完全にボトルネックとなる問題を取り上げます。さらに、従来の「全テストパス」を前提としたリリースフローの限界や、コストが下がるほどトークン消費が増大していく「ジェボンズのパラドックス」について考えます。

これらへの対応策として、「AIは方向を示すものではなく、組織の強みも弱みも増幅させる増幅器（Amplifier）である」という原則を紹介します。計算リソースやトークン消費の把握、インテグレーションテストの拡充といった基礎の重要性に触れつつ、個別のコード（葉）だけでなくシステム全体（森）を俯瞰する視点が今後のエンジニアに求められることについて、実務における葛藤を交えながら議論します。

Google I/O / ソフトウェア生態学 / コード生成の高速化と副作用 / コンパイルとバイナリ肥大化 / コードレビューのボトルネック / CI/CDとテスト戦略 / ジェボンズのパラドックス / AIは増幅器 (Amplifier)

参考リンク

• Software engineering at the tipping point
• #8: AI時代における新たなデータシステムを考える -論文紹介-
• #17: AI時代に組織に求められる性質やソフトウェア開発プロセスとは？
• #26: 初の対面収録！書籍『AIエージェント 人類と協働する機械』を読んで考えるソフトウェアエンジニアリングの未来
• #31: システムや機能の「非推奨と廃止」はどう進める？Google/Kubernetes/SQL Server/PostgreSQLに学ぶコードの終活

今回は PDF などのドキュメントを AI フレンドリーな形式に変換するツール Docling と、それがサポートする規格の一つである DocLang について紹介しました。PDF がなぜ AI にとって読みにくいのか、その課題と Doclingがどのようにレイアウト分析や VLM を活用して変換を行っているかを解説しています。

注: エピソード内で Docling に関する technical paper が 2024年12月に出ていると言及しましたが、初版は2024年8月でした。

リスナーコメント紹介 / PDF が AI フレンドリーでない理由 / Docling の変換パイプライン / レイアウト分析と VLM の活用 / DocLang の XML ベース形式 / 位置情報の量子化 / Claude Code での PDF 読み込み

参考リンク

• Docling (GitHub): https://github.com/docling-project/docling

• DocLang (GitHub): https://github.com/doclang-project/doclang

• LF AI & Data Projects: https://lfaidata.foundation/projects/

• Anthropic API の PDF サポート: https://platform.claude.com/docs/en/build-with-claude/pdf-support

PostgreSQLのロックの仕組みについて、データベース内部実装（SpinlockやLWLockなど）のディープな世界を深掘りする2回エピソードの後編です。

今回は、DBAやデータベース開発者、並行プログラミングに関心がある方向けに、PostgreSQLの内部的な排他制御を解説します。CPUのアトミック命令であるCAS (Compare-and-Swap) を前提知識として、WAL (Write-Ahead Logging)の書き込みなどで使われ競合時にスリープする「Lightweight Lock (LWLock)」と、スリープせずにCPUを回し続けてロック獲得を待つ「Spinlock」の仕組みや用途の違いを整理します。

さらに、Linux 7.0環境で話題になったPostgreSQLの性能劣化問題の真相に迫ります。カーネルのスケジューラ変更（プリエンプションの挙動変化）がSpinlockに与えた影響や、PostgreSQLコミッタが指摘する、Spinlockをfutexに置き換えることの構造的な難しさを紹介します。また、この性能劣化報告の根本的な原因が「Huge Pages」の未設定によるTLBミスとページテーブル探索のオーバーヘッドにあったことを挙げ、OS・CPUレベルの適切なパラメータ設定がいかに重要であるかを議論します。

PostgreSQL内部実装 / CAS命令 (Compare-and-Swap) / Lightweight Lock (LWLock) / Spinlock / WAL書き込み / Linux 7.0性能劣化問題 / プリエンプション / futex / Huge Pages / パラメータチューニング

参考リンク

• ⁠PostgreSQLのロックでハマりがちな挙動5選⁠
• ⁠AWS Engineer Reports PostgreSQL Performance Halved By Linux 7.0, But A Fix May Not Be Easy⁠
• ⁠I really dislike the use of spinlocks in postgres

PostgreSQLのロックの仕組みについて、アプリケーション開発者向けの視点から、データベース内部実装（SpinlockやLWLockなど）のディープな世界までを2回に分けて深掘りします。

前編となる今回は、アプリケーション開発者が気を付けるべき「はまりどころ」を解説します。複数トランザクションの同時更新や本番環境でのDDL（ALTER TABLEなど）実行時など、ロックの理解が不可欠なケースを取り上げ、4種類のテーブルロックと行ロック（FOR UPDATE）の基本を整理します。

さらに、実践的な5つのトラブルケースとその対策を紹介します。長時間のSELECTとALTER TABLEが引き起こす連鎖的なブロックや、外部キー・ユニーク制約の暗黙的ロックによるINSERT同士のデッドロックを解説します。また、例外的に自動キャンセルされない「トランザクションID周回防止バキューム」や、テーブルファイル末尾のページ切り詰め処理に潜む罠など、予期せぬサービス停止を防ぐための知識を議論します。

PostgreSQLのロック / MVCC / テーブルロックと行ロック / FOR UPDATE / Access Exclusive / デッドロック / ALTER TABLEの連鎖ブロック / 外部キー・ユニーク制約の暗黙的ロック / トランザクションID周回防止バキューム / ページ切り詰め

参考リンク

• PostgreSQLのロックでハマりがちな挙動5選
• AWS Engineer Reports PostgreSQL Performance Halved By Linux 7.0, But A Fix May Not Be Easy
• I really dislike the use of spinlocks in postgres

Lonが「A Field Guide to Sandboxes for AI」というMistral AIのエンジニア Luisさんが書いたブログを紹介しながら、AIエージェントを安全に実行するためのサンドボックス環境について勉強した内容を共有しています。サンドボックスを正しく理解するための3つの軸（Boundary、Policy、Lifecycle）と、4種類のBoundary（コンテナ、gVisor、microVM、Wasm）の違いを学びます。また、Claude CodeやCodexが採用しているSeatbelt（Mac）やBubblewrap（Linux）についても紹介しています。

配信プラットフォーム追加のお知らせ / サンドボックスとは何か / Boundaryの4種類 / コンテナの仕組み（namespaces、capabilities、cgroups、seccomp） / gVisorとSentry / microVMとゲストカーネル / WebAssembly / Policyの重要性 / Lifecycle / Claude CodeのサンドボックスとSeatbelt・Bubblewrap / Credentialの安全な扱い方 / Proxyパターン

補足・訂正

• Wasm の説明で「ランタイムで定義されたシステムコールだけがホストカーネルを呼ぶ」と表現しましたが、正確には Wasm モジュール自体は system call を行えず、WASI (WebAssembly System Interface) API を介してランタイムが host system call に翻訳する形になります。

参考リンク

• A Field Guide to Sandboxes for AI: https://www.luiscardoso.dev/blog/sandboxes-for-ai

• Claude Code Sandboxing: https://code.claude.com/docs/en/sandboxing

• Securely Deploying AI Agents (Claude Code): https://code.claude.com/docs/en/agent-sdk/secure-deployment#containers

• WebAssembly System Interface (WASI): https://wasi.dev/